立即扫码
享受一对一服务
为什么组织需要可靠的数据治理策略
发布时间：2019.01.17来源：数据治理浏览量：145次标签：数据治理
当我在1983年开始担任数据库管理员时，一切都与技术的集中化有关。数据安全地存储在企业大型机上，只有具备导航预处理数据库技能的程序员才能访问它。差不多四十年后，所有这些都与数据民主化和强大的数据治理战略的需求有关。
在当天，业务分析师必须与IT部门联手，因为他们不知道如何导航信息管理系统数据库，即使他们可以也不会被授予访问权限。IT部门打印出月度报告并分发它们，就像摩西从石头上下山一样。
在当天，业务分析师必须与IT部门联手，因为他们不知道如何导航信息管理系统数据库，即使他们可以也不会被授予访问权限。IT部门打印出月度报告并分发它们，就像摩西从石头上下山一样。
随着个人计算机的出现，权力的平衡从根本上发生了变化。突然之间，商人可以访问电子表格，并可以创建自己的计算和分析，即使数据仍然大部分无法触及。然后是客户端/服务器计算和急于分散数据，带来了新的可能性，但也因为不同部门使用不同版本的数据而产生混淆。分析师争论谁的版本是正确的。分析现在可以由业务分析师完成，但未就数据源的合法性达成一致，随之而来的是混乱。
数据治理的曙光
IT部门使用数据仓库进行响应，数据仓库会在断开连接的交易系统中收集数据，仅用于分析。出现了聪明的报告工具，可以更容易地操作，加入和汇总原始交易表，甚至可以将它们下载到电子表格中。当然，原始数据仍然存储在不同的应用程序和格式中，但只要付出足够的努力，就可以诱使数据仓库理解所有这些，提供客户，产品，资产和位置等维度。但是，要实际生成一致的客户和产品列表，必须解决底层系统的不一致问题。
IT部门使用数据仓库进行响应，数据仓库会在断开连接的交易系统中收集数据，仅用于分析。出现了聪明的报告工具，可以更容易地操作，加入和汇总原始交易表，甚至可以将它们下载到电子表格中。当然，原始数据仍然存储在不同的应用程序和格式中，但只要付出足够的努力，就可以诱使数据仓库理解所有这些，提供客户，产品，资产和位置等维度。但是，要实际生成一致的客户和产品列表，必须解决底层系统的不一致问题。
主数据管理（MDM）诞生了，与此同时，还需要数据治理策略。鼓励或哄骗业务用户决定哪些客户和产品的分类是“黄金记录”，要在整个企业中高举，哪些将被投入到部门特定的本地术语的荒野中。这是一个经常激烈的过程，不同的部门争论哪个是分类数据的最佳方式。一些公司文化比其他文化更适合这种方法。高度集中的公司习惯于从高度但分散的方式决定结构，并且努力保持在数据治理结构中。这些公司的分析师认为自己是自由战士，而中央办公室的分析人员则认为他们是数据恐怖分子。
很明显，至少在很多公司中，自由战士现在方兴未艾。这标志着数据准备工具的市场不断增长。这些产品能够访问来自各种来源的数据，包括传统数据库，应用程序包，Excel或企业防火墙外的应用程序。它们支持一些数据质量技术，例如分析，并使业务用户能够设置数据转换，并通过可重复的工作流程自动执行此类提取，数据清理和转换。这些工具拥有自己的分析工具，或者可以调用最新的可视化和数据挖掘产品，使分析师能够根据自己的内容处理数据。
如果企业数据仓库和MDM正在开展工作，那么这样的市场就不会存在。数据准备，质量检查和转换正是准备将数据输入数据仓库的准备。麻烦的是公司数据仓库已超出其自然限制。数据现在来自各种各样的来源 - 其中许多来自企业之外 - 并且在这样的数量中，传统的数据管理方法正在崩溃。
电子商务系统可以生成如此大小的网络流量日志，使得普通数据库不能处理该处理。车辆和机械上的传感器现在产生大量的流数据：波音787每次飞行产生几乎1TB的数据。在其他行业中也是如此，汽车，家庭智能电表甚至道路上的传感器都会产生大量数据进行分析。所有这些都是传统企业数据以及来自业务合作伙伴和数据经纪人的数据的补充。有了这么多数据，谁有时间参加会议讨论不同客户分类层次结构的优点？
掌握数据管理
公司需要以某种方式收回对这种快速流动的数据流的控制，如果他们要理解它的话。如果没有办法深入了解并深入了解数据湖泊，数据湖泊将成为数据沼泽。数据治理策略可能不是一个性感的主题，但它是需要发生的事情的核心。那些使用新工具构建自己的提取和转换的分析师需要帮助决定如何管理数据，因为如果你不能就底层数据是否值得信任达成一致，所有漂亮的图表和AI工具都没有任何意义。
公司需要以某种方式收回对这种快速流动的数据流的控制，如果他们要理解它的话。如果没有办法深入了解并深入了解数据湖泊，数据湖泊将成为数据沼泽。数据治理策略可能不是一个性感的主题，但它是需要发生的事情的核心。那些使用新工具构建自己的提取和转换的分析师需要帮助决定如何管理数据，因为如果你不能就底层数据是否值得信任达成一致，所有漂亮的图表和AI工具都没有任何意义。
在没有某种结构的情况下，我们将回到过去，分析师互相交换图表并争论谁的数据是正确的。将数据精灵放回瓶子中将是困难的并且需要纪律，但是在所有太多的组织中，事情现在感觉混乱而不是管理。它不是要从高层实施规则，而是要在整个组织层面嵌入分析和数据管理规程。否则，有价值的商业见解可能会被忽视，竞争优势也会丧失。
一个2018麦肯锡的报告忽视高绩效的公司也比两倍，可能有一个强大的数据治理策略和可能有一个清晰和易于理解的数据整体战略的两倍多。同一份报告认为，表现优异的人与包装之间的差距正在迅速扩大。如果您要利用分析并获得业务优势，时间至关重要。
（部分内容来源网络，如有侵权请联系删除）
立即免费申请产品试用
免费试用
相关文章推荐
-
大数据在媒体行业的应用——《企业大数据实践路线》之二
新闻工作者先产生一个内容，形式可以是文字的、视频的等，无论你是编辑还是记者或者说是美编，或电视台的采编人员等等所生产的内容都会存入到业务……查看详情发布时间：2019.02.25来源：亿信华辰浏览量：120次
-
企业数据治理的坑你遇到过哪些？
在这些年的数据治理实践当中有成功的经验，当然也经历过很多失败的教训，有些教训反反复复的出现…笔者一直在思考怎么避免这些问题，所以今天就跟……查看详情发布时间：2019.09.12来源：知乎浏览量：134次
-
Gartner 2019年十大数据和分析技术趋势：增强型分析成为重要卖点
处于数据和分析位置的领导人必须审视这些趋势对业务带来的潜在影响，并相应调整业务模式和运营，否则就有可能失去竞争优势。 ……查看详情发布时间：2019.02.25来源：亿信华辰浏览量：140次
-
8 项提高数据完整性的预防性措施
仅使用一种方法几乎不可能将数据完整性风险降至最低，因此使用多种策略的组合是更好的选择。降低数据完整性风险的一些最有效方法包括8点。……查看详情发布时间：2021.07.07来源：亿信华辰数据治理知识库浏览量：658次
-
如何保证数据质量？针对性业务方面的数据质量如何提升
平时企业都会处理数据质量的问题，越来越能够懂得数据库整套系统的运行模式和模型概念，深深觉得数据挖掘的本质其实不仅仅是从海量的数据中发现有……查看详情发布时间：2019.11.15来源：知乎浏览量：177次
-
数字化时代的大数据治理应该怎么做呢？
随着时代的发展，各个企业收集数据的渠道越来越多样化，也有越来越多的企业开始应用大数据来创造价值，为了合理有效的挖掘数据资源来源的价值，首……查看详情发布时间：2019.07.18来源：知乎浏览量：157次
-
2021公安数据治理的目标
公安数据治理的目标是实现全局数据资源的有效整合，有效解决公安力量分散、资源分割、信息孤岛、运行封闭等问题，最终打破部门壁垒和警种壁垒。……查看详情发布时间：2021.04.29来源：亿信数据治理知识库浏览量：356次
-
-
数据湖中的数据管理与治理
当您转换到数据湖时，选择完全集成的数据湖泊管理平台将使您对数据充满信心，并对其进行扩展以包含越来越多的用户和有利于业务的用例。毕竟，这就……查看详情发布时间：2019.03.05来源：亿信华辰浏览量：185次
-
什么是数据质量？如何衡量它以获得最佳结果？
我们过去谈过很多关于数据质量的问题 - 包括糟糕数据的成本。但是，尽管对数据质量有了基本的了解，但许多人仍然不太了解“质量”究竟是什么意……查看详情发布时间：2018.12.25来源：数据治理浏览量：189次
相关主题